01Lo que sabe hacer
- MoE 125B/6B activos: alta velocidad de generación para su tamaño
- Contexto nativo 256k
- Multimodal (visión, código, chat)
- Cabe en una GPU de 80 GB en Q4 (~72 GB)
- —Sigue siendo un modelo de categoría servidor (~72 GB de VRAM en Q4)
- —Licencia « other » — verificar las condiciones de uso
- —Pesos recientes: ecosistema de cuantización aún joven
04Instalar
Instala Ollama para tu SO. Verifica el modelo y su cuantización antes de la descarga. Comienza con 4096 tokens de contexto y luego controla la asignación con ollama ps. Un comando a continuación no es prueba de que se haya ejecutado una prueba en tu máquina.
02Memoria requerida
VRAM de GPU aproximada para ejecutar este modelo, incluido el sobrecoste de contexto de 4k tokens. Para un contexto más largo, añade ~1 GB por cada tramo de 8k tokens.
¿Qué hardware necesitas para Qwen3.8 Flash Next 125B-A6B?
Para ejecutar Qwen3.8 Flash Next 125B-A6B en local con cuantización Q4, necesitas aproximadamente 72 GB de VRAM. Una opción para comparar: GMKtec EVO-X2 64 GB / 1 TB (Ryzen AI Max+ 395) — deja un margen para el sistema y el contexto; verifica la compatibilidad del motor con la GPU.
Enlaces de afiliados — posible comisión sin coste adicional para ti, recomendación independiente. Como socio de Amazon, QuelLLM obtiene un beneficio de las compras que cumplen las condiciones requeridas.
03Velocidad estimada
Tokens generados por segundo en Q4_K_M, contexto 4k. Por encima de 20 t/s, la lectura es cómoda. Por debajo de 10 t/s, es solo para probar.